Voor de consumentenprijsindex (CPI) worden steeds meer prijzen waargenomen uit scanner data (ook wel: transactiedata) van elektronische bestaalsystemen zoals kassa’s.
Een complictie is het zogenaamde relaunch probleem. Dit wil zeggen dat sommige prijsveranderingen niet meegenomen worden. In het bijzonder gaat het hier om de prijsveranderingen door het vervangen van een product door een vergelijkbaar product. Als bijvoorbeeld de verpakking van een fles shampoo verandert, dan wordt de shampoo als een geheel nieuw product beschouwd, waardoor de prijsverandering vόόr en na de aanpassing niet wordt meegenomen. Een bekende oplossing is om producten te clusteren. Deze methode geeft echter een fout als hij wordt toegepast op inhomogene productgroepen. Twee alternatieve oplossingen zijn imputatie en product koppeling. Deze paper vergelijkt clustering, imputatie en product koppeling. De impact van deze methoden wordt empirisch onderzocht voor verschillende indexmethoden gebruikmakend van transactiedata met gesimuleerde relaunches.
